Tecniche di prompting di base

In questa lezione analizzeremo le tecniche fondamentali che rendono efficaci i Suoi prompt. Le consideri i mattoni fondamentali per comunicare in modo chiaro con i modelli linguistici di grandi dimensioni (LLM).

Vedremo come fornire istruzioni chiare, utilizzare caratteri speciali chiamati delimitatori e controllare lo stile e la lunghezza della risposta dell'LLM.

La regola più importante del prompt engineering è essere cristallini. Gli LLM sono potenti, ma seguono le istruzioni alla lettera. L'ambiguità può portare a output imprevisti o errati.

• Sia diretto: dichiari esattamente ciò che desidera.
• Eviti il gergo: utilizzi un linguaggio semplice, a meno che non sia necessario un termine specifico.
• Non dia nulla per scontato: non si aspetti che l'LLM indovini le Sue intenzioni.

Esaminiamo un esempio. Un'istruzione vaga potrebbe produrre una risposta generica. Un'istruzione precisa guida l'LLM verso ciò di cui ha esattamente bisogno.

Prompt vago: Write about dogs.
Prompt preciso: Write a 3-sentence fun fact about Golden Retrievers, focusing on their friendly nature.

Noti come il secondo prompt specifichi l'argomento, la lunghezza e l'obiettivo.

Quando scrive le istruzioni, consideri questi aspetti per renderle efficaci:

• Attività: cosa deve fare l'LLM (ad es. riepilogare, spiegare, generare)?
• Argomento: su cosa verte l'attività?
• Vincoli: ci sono limitazioni (ad es. lunghezza, tono, formato)?
• Obiettivo: qual è il risultato desiderato?

Più dettagli fornisce, meglio l'LLM potrà soddisfare le Sue aspettative.

A volte il prompt deve contenere sezioni diverse: istruzioni, testo di input, esempi e così via. I delimitatori sono caratteri o tag speciali che aiutano l'LLM a capire dove termina una sezione e ne inizia un'altra.

Evitano che l'LLM si confonda e interpreti erroneamente la richiesta, soprattutto quando fornisce molte informazioni.

Ecco alcuni delimitatori comunemente utilizzati:

• Tripli backtick: ```
• Tripli apici: """
• Tag in stile XML: <example>, </example>
• Hashtag: ###

Ne scelga uno che separi chiaramente il contenuto, spesso in base al formato dei dati di input.

Vediamo come i tripli backtick possano isolare il testo che desidera far elaborare all'LLM dalle istruzioni:

Summarize the following text in one sentence:
```The sun was setting, casting long shadows across the quiet meadow. A gentle breeze rustled through the tall grass, and the distant sound of crickets filled the air.```

Ora l'LLM sa chiaramente quale parte costituisce l'istruzione e quale il testo da riassumere.

Può anche indicare all'LLM come deve essere presentato l'output. Questo include aspetti come:

• Tono: formale, informale, umoristico, professionale.
• Formato: punti elenco, elenco numerato, paragrafo, JSON.
• Stile: post di blog, email, poesia, articolo di giornale.

Specificare esplicitamente lo stile aiuta a ottenere l'estetica e lo scopo desiderati per il contenuto generato.

Per molte attività, la lunghezza della risposta è importante. Può specificarla direttamente nel prompt:

• "Riassuma in tre frasi."
• "Fornisca una risposta di non più di 50 parole."
• "Elenchi 5 punti chiave."

Questo aiuta a mantenere le risposte concise e mirate oppure complete quando necessario, evitando output eccessivamente lunghi o brevi.

È il momento di verificare rapidamente ciò che ha imparato sulle tecniche di prompting di base.

Ottimo lavoro! Ha imparato gli elementi essenziali del prompt engineering di base:

• Istruzioni chiare: sia specifico e diretto nelle richieste.
• Delimitatori: usi caratteri come ``` per separare chiaramente le sezioni del prompt.
• Controllo dell'output: specifichi la lunghezza e lo stile desiderati per la risposta dell'LLM.

Queste tecniche sono fondamentali per comunicare efficacemente con gli LLM. Nella prossima lezione esploreremo la comprensione delle capacità degli LLM, che la aiuterà a definire aspettative realistiche per i suoi prompt.